【笔记】《Selection and Ordering of Linear Online Video Ads》

Selection and Ordering of Linear Online Video Ads

论文提出了一种为在线播放的流媒体选择广告的算法。

根据广告的价格和质量来分配广告，防止用户因为广告太难看而退出视频。

一个视频有三个部分可以插播广告，pre-roll、mid-roll、post-roll。



如图所示，统计发现用户看了位置j处的广告还继续看视频的 Completion Rate 在preroll是83%，在midroll由92%递减到postroll的19%

有N个广告要放到J个slot

第i个广告的CPM为b_i，并且至少要放tit_i次。这两个值由厂商决定。

用户看完第i个广告以后继续看视频的概率为cic_i，即因为广告太难看而关掉视频的概率为1−ci1-c_i，这个值由统计得到。

在作者的模型里，作者假设

每个视频以一个前置的广告开始，以一个后置的广告结束，中间有一个或多个广告

广告不可以跳过

每个slot里只有一个广告

用户看完广告还想继续看视频的概率为cic_i

每个slot有一个slot-specifc continuation probabilities (λj\lambda _j)




表示表示广告i放在位置j时的continuation probalities和CPM。

论文中先假设slot-specifc probability λj线性递减，得到了一个动态规划算法。

之后又假设λj 从pre-roll到第一个mid-roll时增加，之后再递减。(如图1所示)

然后得到了一个接近最优的启发式算法。

动态规划：

状态转移方程





其中R[i,j]表示广告i+1到N已经放置在slot j+1到J中，而第i个广告放到位置j时的最大收益。

S[i,j]=1说明广告i放在了位置j上。

启发式算法分两步

第一步，解决子问题，利用mid-poll中的单调性。

第二部，找到适合pre-roll和post-roll的最佳广告。

考虑mid-poll中的子问题。



可以用之前的动态规划解决。

设广告全集为N，解集为A={a2,a3…aj-1}

用{N-A}再一次求解，解集为A’={a’2,a’3…a’j-1}

枚举a∈N，如果a∈A，在集合N-A’-{a}中找到最优的aj，选择广告{a,a’2,a’3…a’j-1,aj}，计算收益Ra

如果a∈A’，在集合N-A-{a}中找到最优的aj，选择广告{a,a2,a3…aj-1,aj}，计算收益Ra

从所有的结果中选择最大的收益R

结论

这是一个为在线视频分配广告的算法。

广告的价格和展现次数由广告主提供。

ad continuation rates 和 slot-specifc continuation rates由大数据统计得到。

采用本算法将会获得更多的收益，更少的观众流失。